Intelligent støtte for radiologisk rapportering av lungeneoplasmer (SPOILERS)

Lungekreft er en av de vanligste kreftformene og har en av de dårligste prognosene, hovedsakelig på grunn av vanskeligheten med tidlig diagnose. I Italia er det anslått 41 000 nye tilfeller hvert år, og i 2021 var sykdommen ansvarlig for omtrent 34 000 dødsfall. Den sosiale påvirkningen er betydelig, da sykdommen ofte diagnostiseres på et avansert stadium, når sjansene for overlevelse er redusert: 5-års overlevelsesraten er rundt 18 % i avanserte stadier, mens den kan nå 90 % hvis den diagnostiseres på et tidlig stadium.

Tidligstadie lungekreft manifesterer seg hovedsakelig i form av lungeknuter, som kan oppdages ved datatomografi (CT). Imidlertid krever diagnosen av disse knutene ofte invasive prosedyrer, som bronkoskopi, CT-veiledet nålebiopsi eller kirurgiske biopsier, som påvirker pasientenes livskvalitet og helsekostnader. Av denne grunnen er evnen til å nøyaktig skille mellom godartede og ondartede knuter et sentralt tema i klinisk forskning.

De siste årene har kunstig intelligens, spesielt dyp læringsteknikker, vist betydelig potensiale i å støtte CT-screening. Resultater viser at KI kan oppnå ytelse overlegen til individuelle radiologer og sammenlignbar med et multidisciplinært team, ved bruk av histologiske rapporter som diagnostisk referanse. Dette bekrefter verdien av KI som et verktøy for å støtte klinisk beslutningstaking.

Med tanke på den multimodale naturen til kliniske data (bilder, tekstrapporter, diagnostiske tester), er det økende interesse for modeller som er i stand til å integrere flere informasjonskilder. I denne sammenhengen har forskningsprosjektet som mål å utvikle et system som automatisk kan gjenkjenne lungeknuter og generere naturlig språk tekstbeskrivelser av funnene.